文章列表-AI魔法学院

文章列表

Fastwhisper + Pyannote 实现 ASR + 说话者识别

正常来说应该不会有什么问题，但是我在服务器上碰到了如下问题：在这里插入图片描述而且官方也有相关的issue：https://github.com/pyannote

faster-whisper 语者识别 ASR

用AI生成PPT、用AI优化PPT!

因为我发给百度文库是财新的专业文章，因此我相信是百度文库在理解时发生了重复问题，而不是财新的问题。

AI ppt

大模型外挂知识库优化技巧-如何更有效的利用召回的文档

外挂数据库最简单的使用方式是，根据用户的问题，从数据库中召回若干条相关的文档片段，将文档片段和用户问题一块输入到大模型，让大模型根据文档片段回答用户的问题。

大模型

一款构建AI数字人项目开源了！自动实现音视频同步！

如果把这个任务丢给 ChatGPT，它会直接返回一串可执行代码，但是代码通常会存在问题，例如执行报错、缺少依赖等，你需要反复跟 ChatGPT 对话来完善程序。

AI数字人音视频同步

智谱AI静悄悄的上线了一大波新模型，过年了，真的

AlignBench（对齐和遵循指令能力）还有MATH（数学能力）基本跟GPT4o打平，GPQA（小学问题）和LCB（代码）这块能打平GPT4o但是跟Claude 3.5还是有一些差距，Claude 3.5

智谱AI 大模型

让你不怕任何事的3个顶级思维（建议收藏）

面对不确定性，普通人“一分为二”看问题，结论只能是行或不行；而高手会“一分为三”甚至“一分为N”，从大量的灰色地带中寻找破局的机会。

灰度思维减法思维

Finchat：一个基于AI人工智能的金融数据分析工具，让你有一个私人投资助理！

Finchat的使用非常简单，你只需要在网页或手机上打开finchat.io，输入你想要查询的问题，就可以看到Finchat为你生成的回答。

用户 finchat

解码二维码：揭秘我的漂亮二维码生成秘诀！

另外这两种方法还存在一个问题：二维码的痕迹比较明显，大家一眼就能看出来这是一个二维码，对于追求视觉效果或者不想让别人看出来是二维码的场景，就力不从心了。

图像文字

Giraffe：世界上第一个商业可用的32K长上下文开源LLM（基于Llama-2）

WikiQA 任务是根据维基百科文档中给出的信息回答问题的任务。

开源模型

10秒换脸，一张图片够了！SD Roop插件教程

安装Roop插件这里先说如何安装使用，插件地址如下（直接访问需科学上网）： https://github.com/s0md3v/sd-webui-roop 或者打开SD的WebUI，在“扩展”中加载可用插件

AI换脸

胎教级SO-VITS-SVC使用教程：人工智能生成歌曲

说明服务已经正常启动了，这里so-vits-svc会在后台运行一个基于Flask框架的web服务，端口号是7860，此时访问本地的网址：127.0.0.1:7860：孙燕姿无损音色模型

音乐

OpenAI 无需向量化的 RAG 新架构设计范式剖析

2、无向量化 RAG 新架构设计剖析（以法律知识问答为案例） OpenAI 无向量化 RAG 新架构设计由四大核心环节构成，以下以法律知识问答为案例来详细剖析之。

OpenAI RAG 架构

实测：本地跑llama3:70B需要什么配置

展示一波LLM排名这么帅还不要钱，就问你想不想要也许从此强大的模型不再只是厂商云端的特权，现在每个人都可以在本地部署Llama 3。

llama GPU内存

比真人还像真人！字节跳动PersonaTalk的黑科技有多强大？

第二步，借助双重注意力机制的人脸渲染器，PersonaTalk将人物面部进行细致渲染，细到嘴唇和面部其他区域的纹理采样，甚至连牙齿闪烁等常见问题都能有效避免，使得生成视频更加自然流畅。

PersonaTalk 视频

AI Agent / 智能体观察笔记（下）

2）优秀的产品/想法是用新技术解决了一个老问题—确实解决的更好了；3）平庸的产品是用新技术把一个老问题，以更烂的体验从新解决了一遍。

大模型

<...34 35 36 373839 40 41 42 43 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1